在有关近端策略优化算法的原始论文中
https://arxiv.org/pdf/1707.06347.pdf
在等式（4）中，作者使用KL[]表示的运算。不幸的是，他们从未对此给出定义。
我的问题：
KL[]操作代表什么？
最佳答案
也许是KL divergence？
KL散度用于比较两个概率分布之间的差异。
关于machine-learning - 最近策略优化算法论文-“KL”操作的定义？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59223646/